AI 测试与评估框架可视化实验室

完整基准评估流程：任务设计 → 数据集构建 → 指标选择 → 排行榜 → 基准污染检测。切换阶段观察各环节关键考量。

五类扰动下的模型鲁棒性评估：分布偏移、对抗扰动、长尾分布、噪声容忍、边界条件。切换扰动类型观察准确率衰减。

AI 公平性测试：人口学分组 → 公平指标(均等机会/人口平等) → 偏差检测 → 缓解策略。切换公平指标观察不同群体性能差异。

幻觉多层检测策略：事实幻觉检测 → 引用验证 → 一致性检查 → 置信度校准。执行检测观察各层拦截效果。

AI 安全评估五类攻击向量：越狱测试、提示注入、数据泄露、权限提升、审计追踪。切换攻击向量观察测试覆盖与防护。

模型更新评估管线：模型更新 → 回归测试 → A/B 评估 → 渐进发布 → 自动回滚。执行回归观察完整 CI/CD 流程。

五大评估平台多维度对比：HELM、MT-Bench、LMSys Arena、OpenCompass、HarmBench。切换平台观察覆盖维度差异。